Infinite Nature：谷歌AI新进展，将静态照片生成飞越视角的 3D 动图

https://ai.googleblog.com/2022/11/infinite-nature-generating-3d.html

骑行博主“徐云流浪世界”最近大火，视频发布后经常几万人在线观看。盖着皑皑白雪的山峰、一望无际的沙漠公路、蜿蜒的山间溪流，随着他的骑行镜头在我们眼前驰骋而过。

谷歌AI新进展！将静态照片生成3D动图；代码翻译与代码生成工具；C/Java/Python多种语言项目实战教程大汇总；开源知识社区软件；前沿论文 | ShowMeAI资讯日报

谷歌的科学家在 这篇文章 中详细介绍了原理与训练过程，相关论文已在 ECCV 2022上发表，给技术发展带来了前所未有的突破。数据表明，InfiniteNature-Zero 训练系统可以使用静态照片训练系统，从单个种子图像开始生成高分辨率、高质量的 3D 飞行动图。

CodeGeeX 是一个具有130亿参数的多编程语言代码生成预训练模型，在20多种编程语言的代码语料库（>8500亿Token）上预训练得到，支持生成 Python、C++、Java、JavaScript 和 Go 等多种主流编程语言的代码。

CodeGeeX 支持代码片段在不同编程语言间进行自动翻译转换，翻译结果正确率高，在HumanEval-X代码翻译任务上超越了其它基线模型。HumanEval-X 是第一个支持功能正确性评测的多语言、多任务的基准，包含820个人工编写的高质量代码生成题目、测试用例与参考答案，支持代码生成与代码翻译能力的评测。

『Image Processing Node Editor』用节点编辑器执行图像/视频处理的应用

https://github.com/Kazuhito00/Image-Processing-Node-Editor

Image Processing Node Editor 是一个基于节点编辑器的图像/视频处理应用，可以通过节点构建和拖拽组装流程的方式，构建图像处理流程。Image Processing Node Editor 可以进行图像滤波等基础操作及目标检测等计算机视觉任务，覆盖多种功能。

具体说来，AFFA 模块被嵌入到解码器中，自适应地学习融合属性特征和以身份信息为条件的特征，无需任何额外的面部分割过程。在IFSR中，利用身份编码器中的中间特征来保留重要的属性，如头部姿势、面部表情、光照和目标脸部的遮挡，同时仍以高保真度转移源脸的身份。

博文&分享

『Book4 | Power of Matrix』矩阵力量-从加减乘除到机器学习·书稿

https://github.com/Visualize-ML/Book4_Power-of-Matrix

这是作者的一套数学书籍，为了让大家学数学、用数学，甚至爱上数学，作者可谓颇费心机。丛书在内容创作时追求极致可视化，使用全彩图解让数学思想跃然纸上，并打破了数学板块之间的壁垒，让大家看到数学代数、几何、线性代数、微积分、概率统计等板块之间的联系，编织一张绵密的数学知识网络。书籍对零基础读者友好，帮助从零开始学习 Python 编程，从写第一行代码到搭建数据科学和机器学习应用。

本书主题是矩阵，包含以下章节：

向量
向量运算
向量范数
矩阵
矩阵乘法
分块矩阵
向量空间
几何变换
正交投影
数据投影
矩阵分解
Cholesky分解
特征值分解
深入特征值分解
奇异值分解
深入奇异值分解
多元函数微分
拉格朗日乘子法
直线到超平面
再谈圆锥曲线
曲面和正定性
数据与统计
数据空间
数据分解
数据应用

研究&论文

科研进展

2022.10.11 『药物发现』 Equivariant 3D-Conditional Diffusion Models for Molecular Linker Design

2022.10.13 『异常检测』 OpenOOD: Benchmarking Generalized Out-of-Distribution Detection

2022.04.29 『机器学习』 Fast Sampling of Diffusion Models with Exponential Integrator

论文：Equivariant 3D-Conditional Diffusion Models for Molecular Linker Design

论文时间：11 Oct 2022

领域任务：Drug Discovery，药物发现

论文地址：https://arxiv.org/abs/2210.05274

代码实现：https://github.com/igashov/difflinker

论文作者：Ilia Igashov, Hannes Stk, Clément Vignac, Victor Garcia Satorras, Pascal Frossard, Max Welling, Michael Bronstein, Bruno Correia

论文简介：Additionally, the model automatically determines the number of atoms in the linker and its attachment points to the input fragments.

论文摘要：基于片段的药物发现一直是早期药物开发的有效范例。该领域的一个公开挑战是设计不连贯的感兴趣的分子片段之间的接头，以获得化学相关的候选药物分子。在这项工作中，我们提出了 DiffLinker，一种用于分子连接器设计的 E(3)-等变 3D 条件扩散模型。给定一组不连贯的片段，我们的模型将缺失的原子置于其间，并设计一个包含所有初始片段的分子。与以前只能连接分子片段对的方法不同，我们的方法可以连接任意数量的片段。此外，该模型会自动确定链接器中的原子数及其与输入片段的连接点。我们证明 DiffLinker 在标准数据集上优于其他方法，可生成更多样化和合成可访问的分子。此外，我们在实际应用中对我们的方法进行了实验测试，表明它可以成功地生成以目标蛋白袋为条件的有效连接子。